本文档介绍如何使用不同方案提取字符串键值对。
常用方案比较
字符串动态键值对提取分为关键字提取、值提取、关键字加工和值加工,常用方案为采用e_kv函数、e_kv_delimit函数和e_regex函数等。不同提取场景的三种方案如下:
方案 | 关键字提取 | 值提取 | 关键字加工 | 值加工 |
e_kv | 使用特定正则表达式 | 支持默认的字符集、特定分隔符或者带(、)或(")分隔 | 支持前后缀 | 支持文本escape |
e_kv_delimit | 使用特定正则表达式 | 使用分隔符 | 支持前后缀 | 默认无 |
e_regex | 组合自定义正则表达式和默认字符集过滤 | 完全自定义 | 自定义 | 自定义 |
大部分键值对的提取使用e_kv
函数并配置特定参数就可以很好地满足,尤其是带括字符和反斜杠需要提取并转义时。其他复杂或高级的场景可以用e_regex
函数来提取。部分特定场景下的键值对使用e_kv_delimit
函数会更简单。
关键字提取
处理方法
e_kv
、e_kv_delimit
、e_regex
等函数在应用于关键字提取的时候都应遵循字段名提取约束。示例1
以
k1: q=asd&a=1&b=2&__1__=3
日志为例,如果要对该格式的日志作关键字和值提取,三种方案如下:e_kv函数
原始日志
k1: q=asd&a=1&b=2&__1__=3
加工规则
#默认以特定字符集提取关键字 e_kv("k1")
加工结果
k1: q=asd&a=1&b=2 q: asd a: 1 b: 2
说明没有提取出关键字
__1__
是因为其不符合字段名提取约束。
e_kv_delimit函数
原始日志
k1: q=asd&a=1&b=2&__1__=3
加工规则
# 以&分隔键值后,用&分隔提取出关键字 e_kv_delimit("k1", pair_sep=r"&")
加工结果
k1: q=asd&a=1&b=2 q: asd a: 1 b: 2
e_regex函数
原始日志
k1: q=asd&a=1&b=2&__1__=3
加工规则
# 自行指定字符集提取关键字和值 e_regex("k1",r"(\w+)=([a-zA-Z0-9]+)",{r"\1": r"\2"})
加工结果
k1: q=asd&a=1&b=2 q: asd a: 1 b: 2
示例2
以
content:k1=v1&k2=v2?k3:v3
为例,需要特定正则提取关键字,三种方案如下:e_kv函数
原始日志
content:k1=v1&k2=v2?k3:v3
加工规则
e_kv("content",sep="(?:=|:)")
加工结果
content:k1=v1&k2=v2?k3:v3 k1: v1 k2: v2 k3: v3
说明给参数
pair_sep
、kv_sep
或者sep
传递字符集的时候,需要使用正则的不捕获分组,形式如(?:字符集)
。
e_kv_delimit函数
原始日志
content:k1=v1&k2=v2?k3:v3
加工规则
e_kv_delimit("content",pair_sep=r"&?",kv_sep="(?:=|:)")
加工结果
content:k1=v1&k2=v2?k3:v3 k1: v1 k2: v2 k3: v3
e_regex函数
原始日志
content:k1=v1&k2=v2?k3:v3
加工规则
e_regex("content",r"([a-zA-Z0-9]+)[=|:]([a-zA-Z0-9]+)",{r"\1": r"\2"})
加工结果
content:k1=v1&k2=v2?k3:v3 k1: v1 k2: v2 k3: v3
示例3
对以下格式的复杂字符串,使用
e_regex
函数提取更方便。原始日志
content :"ak_id:"LTAiscW,"ak_key:"rsd7r8f
加工规则
如果要提取字符串的关键字前有(”)符号,需要使用
e_regex
函数来提取。e_regex("content", r"(\w+):\"(\w+)", {r"\1": r"\2"})
加工结果
经过DSL编排之后的日志格式:
content :"ak_id:"LTAiscW,"ak_key:"rsd7r8f ak_id: LTAiscW ak_key: rsd7r8f
值提取
动态键值对之间以及关键字与值之间有明确标识,如
a=b
或a="cxxx"
日志格式的,推荐用e_kv
函数,示例如下。原始日志
content1: k="helloworld",the change world, k2="good"
加工规则
这种情况下使用e_kv函数,提取内容不包括
the change world
:e_kv("content1") # e_kv_delimit函数写法,特别注意k2前有空格,所以e_kv_delimit函数的pair_sep参数需要使用`,\s`才能正常解析,否则解析不出来k2。 e_kv_delimit("content1",kv_sep="=", pair_sep=",\s") # e_regex函数写法 e_regex("str",r"(\w+)=(\"\w+)",{r"\1": r"\2"})
加工结果
提取后的日志为:
content1: k="helloworld",the change world, k2="good" k1: helloworld k2: good
对带
"
的日志格式content:k1="v1=1"&k2=v2?k3=v3
,推荐使用e_kv
函数进行提取,例如:原始日志
content:k1="v1=1"&k2=v2?k3=v3
加工规则
e_kv("content",sep="=", quote="'")
加工结果
处理后日志为:
content: k1='v1=1'&k2=v2?k3=v3 k1: v1=1 k2:v2 k3:v3
如果使用
e_kv_delimit
函数提取,规则为e_kv_delimit("ctx", pair_sep=r"&?", kv_sep="=")
,只能解析出k2: v2
和k3: v3
,因为其中第一个提取的键值对中关键字是k1="v1
,不符合字段名提取约束会被丢弃。分隔符的键值对中,值包含特殊字符但没有用特定字符包括。例如:
原始日志
content: rats eat rice, oil|chicks eat bugs, rice|kittens eat fish, mice|
加工规则(推荐)
使用e_kv_delimit函数比较合适。
e_kv_delimit("content", pair_sep="|", kv_sep=" eat ")
加工结果(推荐)
处理后日志为:
content: rats eat rice, oil|chicks eat bugs, rice|kittens eat fish, mice| kittens: fish, mice chicks: bugs, rice rats: rice, oil
加工规则(不推荐)
使用
e_kv
函数无法解析完整。e_kv("f1", sep="eat")
加工结果(不推荐)
处理后日志为:
content: rats eat rice, oil|chicks eat bugs, rice|kittens eat fish, mice| kittens: fish chicks: bugs rats: rice
关键字加工
e_kv
函数和e_kv_delimit
函数都可以通过prefix="", suffix=""
对关键字和值进行加工。原始日志
k1: q=asd&a=1&b=2
加工规则
e_kv("k1", sep="=", quote='"', prefix="start_", suffix="_end") e_kv_delimit("k1", pair_sep=r"&", kv_sep="=", prefix="start_", suffix="_end") e_regex("k1",r"(\w+)=([a-zA-Z0-9]+)",{r"start_\1_end": r"\2"})
加工结果
加工后的数据都是关键字加工形式,如下:
k1: q=asd&a=1&b=2 start_q_end: asd start_a_end: 1 start_b_end: 2
e_regex
函数对关键字加工的能力更强,例如:加工规则
e_regex("k1",r"(\w+)=([a-zA-Z0-9]+)",{r"\1_\1": r"\2"})
加工结果
加工后的数据都是关键字加工形式,如下:
k1: q=asd&a=1&b=2 q_q: asd a_a: 1 a_a: 2
值加工
日志格式为
k1:"v1\"abc"
形式, 同时值加工的内容存在有双引号符号的情形,使用e_kv
函数可正常进行提取,其他两种方式较难实现。原始日志
""" 这里的\只是普通的符号,不是转义符 """ content2: k1:"v1\"abc", k2:"v2", k3: "v3"
加工规则1
e_kv("content2",sep=":", quote='"')
使用e_kv函数规则为:
加工结果1
提取后的日志为:
content2: k1:"v1\"abc", k2:"v2", k3: "v3" k1: v1\ k2: v2 k3: v3
加工规则2
e_kv
函数通过参数escape
支持对\
字符转义。例如:e_kv("content2",sep=":", quote='"',escape=True)
加工结果2
提取后的日志为:
content2: k1:"v1\"abc", k2:"v2", k3: "v3" k1: v1"abc k2: v2 k3: v3
日志格式为
a='k1=k2\';k2=k3'
形式的日志,只有e_kv
函数可以正常提取出,其他两种比较难以实现。原始日志
data: i=c10 a='k1=k2\';k2=k3'
加工规则1
默认情况下
e_kv
函数的escape=False
,结果为:e_kv("data", quote="'")
加工结果1
提取后的日志为:
a: k1=k2\ i: c10 k2: k3
加工规则2
e_kv
函数通过参数escape
支持对\
字符转义。例如:e_kv("data", quote="'", escape=True)
加工结果2
提取后的日志为:
data: i=c10 a='k1=k2\';k2=k3' i: c10 a: k1=k2';k2=k3
键值的复杂加工。
原始日志
content: rats eat rice|chicks eat bugs|kittens eat fish|
加工规则
使用
e_regex
函数进行加工。e_regex("content", r"\b(\w+) eat ([^\|]+)", {r"\1": r"\2 by \1"})
加工结果
处理后日志为:
content: rats eat rice|chicks eat bugs|kittens eat fish| kittens: fish by kittens chicks: bugs by chicks rats: rice by rats
客户案例
例如某网站日志中有一个URL数据,针对这条数据有提取需求,按照需求设计加工规则处理日志内容。
第一次加工
需求
需求1:对日志解析出
proto
、domain
、param
等内容。需求2:对
param
中的键值对做展开操作。
原始日志
__source__: 192.168.0.100 __tag__:__client_ip__: 192.168.0.200 __tag__:__receive_time__: 1563517113 __topic__: request: https://example.com/video/getlist/s?ver=3.2.3&app_type=supplier&os=Android8.1.0
加工方案
总规则
# 初步处理解析request内容 e_regex('request',grok("%{URIPROTO:uri_proto}://(?:%{USER:user}(?::[^@]*)?@)?(?:%{URIHOST:uri_domain})?(?:%{URIPATHPARAM:uri_param})?")) # 其次处理解析uri_param e_regex('uri_param',grok("%{GREEDYDATA:uri_path}\?%{GREEDYDATA:uri_query}")) # 展开kv形式 e_kv("uri_query")
细分规则及对应的加工结果
使用GROK模式对字段
request
进行解析。e_regex('request',grok("%{URIPROTO:uri_proto}://(?:%{USER:user}(?::[^@]*)?@)?(?:%{URIHOST:uri_domain})?(?:%{URIPATHPARAM:uri_param})?"))
对应加工结果:
uri_domain: example.com uri_param: /video/getlist/s?ver=3.2.3&app_type=supplier&os=Android8.1.0 uri_proto: https
使用GROK模式对字段
uri_param
进行解析。e_regex('uri_param',grok("%{GREEDYDATA:uri_path}\?%{GREEDYDATA:uri_query}"))
对应加工结果:
uri_path: /video/getlist/s uri_query: ver=3.2.3&app_type=supplier&os=Android8.1.0
对
uri_param
进行字段提取,具体操作如下:e_kv("uri_query")
对应加工结果:
app_type: supplier os: Android8.1.0 ver: 3.2.3
加工结果
预览处理后日志:
__source__: 192.168.0.100 __tag__:__client_ip__: 192.168.0.200 __tag__:__receive_time__: 1563517113 __topic__: request: https://example.com/video/getlist/s?ver=3.2.3&app_type=supplier&os=Android8.1.0 uri_domain: example.com uri_path: /video/getlist/s uri_proto: https uri_query: ver=3.2.3&app_type=supplier&os=Android8.1.0 app_type: supplier os: Android8.1.0 ver: 3.2.3
假如只有解析request需求,可以直接对字段
request
使用e_kv函数。例如:e_kv("request")
预览处理后日志:
__source__: 192.168.0.100 __tag__:__client_ip__: 192.168.0.200 __tag__:__receive_time__: 1563517113 __topic__: request: https://example.com/video/getlist/s?ver=3.2.3&app_type=supplier&os=Android8.1.0 app_type: supplier os: Android8.1.0 ver: 3.2.3
进一步加工
客户要提取其中动态字段
ver
、app_type
和os
等,加工规则如下。使用正则表达式
e_regex("url", r"\b(\w+)=([^=&]+)", {r"\1": r"\2"})
使用
e_kv_delmit
函数e_kv_delimit("url", pair_sep=r"?&")
方案总结
对于大部分URL函数形式,都可使用以上函数进行解析。但是针对原始日志中的URL形式,使用
e_kv
函数已经足够,清晰明了而且形式简单。